Keras框架下的U-Net实现（可实现多类分割+代码）

U-Net网络结构

U-Net是一种全卷积网络，当卷积操作采用"padding = same"的形式，卷积不会使图片尺寸变小；maxpooling操作以2为步长，得到的结果是原图的$\frac{1}{4}$（宽和高均为原图的$\frac{1}{2}$）；后面有对应的上采样层恢复图像的尺寸。所以，最终可以得到和原图大小一样的分割结果。原文地址

U-Net的Keras实现

具体代码详见Github

Readme

可以在configuration.txt中修改适合自己数据的参数，如路径（数据路径，模型保存路径）、图像参数（h，w，channels，classes）、网络参数（N_epoch，batchsize）等。

部分代码

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:CaoZhihui
...
# --Build a net work-- #
def get_net():
    inputs = Input(shape=(N_channels, img_h, img_w))
    # Block 1
    conv1 = Conv2D(32, (3, 3), activation='relu', padding='same', kernel_initializer='he_normal')(inputs)
    conv1 = Conv2D(32, (3, 3), activation='relu', padding='same', kernel_initializer='he_normal')(conv1)
    pool1